??智慧
2024-07-16 08:33he effect of this penalty is to shrink the parameter estimates towards zero, but it does not set any of them exactly to zero (which is a characteristic of L1 regularization, used by the LASSO). 老師，解釋里的這句話和老師視頻里解釋的不一致。請解釋一下
所屬：FRM Part I > Quantitative Analysis 視頻位置 相關試題
來源： 視頻位置 相關試題
1個回答
黃石助教
2024-07-16 10:12
該回答已被題主采納
同學你好。這里以解析為準。ridge又被稱作L2 正則化。L2 正則化傾向于“縮小“模型的參數(shù)，使得這些參數(shù)接近（但不等于）0。λ 越大，回歸系數(shù)絕對值縮小的程度越大。LASSO 又被稱作L1 正則化。L1 正則化將一些不太重要的參數(shù)估計設為0。因此，LASSO 也被稱作特征選擇技術，因為一些不太重要的特征會被LASSO 移除。λ 越大，越多的回歸系數(shù)會降至0。
0
0
0
0
